MIT의 컴퓨터 과학 및 인공지능연구소(CSAIL) 연구원들은 COVID-19(코로나19) 백신을 개발하는 데 필요한 연구 시간을 줄이고 보다 효과적으로 만들 수 있는 새로운 조합 머신러닝(ML) 시스템 'OptiVax'을 발표했다 .

머신러닝을 활용하여 백신에 대한 높은 인구 범위를 지원할 수 있는 펩티드라고 하는 짧은 아미노산 문자열을 선택하는 플랫폼으로 현재, 100 개가 넘는 개발중인 전체 바이러스, DNA 및 RNA 백신과 달리 펩티드 백신은 표적 질병에서 발견되는 짧은 펩티드 단편 주위에서 개발된다. 백신은 실험실에서 생성 된 펩티드의 합성 버전을 사용하여 고도로 표적화된 면역 반응을 유도한다.

다른 장점들 중에서도 펩타이드 백신은 내성 개발에 유용하지 않고 원치 않는 면역반응과 위험한 반응으로 이어질 수 있는 다른 백신 유형에 공통되는 많은 양의 유전정보에 부담을 느끼지 않는다. OptiVax 플랫폼은 여러 예측 모델을 사용하기 때문에 백신 개발 비용을 절감하며 특히, 오탐 (false positive)의 위험을 최소화 한다.

일단 펩타이드들이 선택되면 OptiVax는 머신러닝을 사용하여 모집단의 면역 반응을 이끌어내기 위해 잠재력에 따라 순위를 매기고, 가장 많은 사람에게 이 반응을 일으킬 가능성이 가장 높은 것을 선택하여 적용 범위를 최대화 한다.

COVID-19와 관련하여, MIT 연구자들은 순수한 펩티드 백신의 개발에 초점을 맞추지 않고 바이러스를 덮고 있는 스파이크 단백질을 표적으로 함으로써 전통적인 백신을 개선하는 데 사용될 수 있는 보완적인 펩타이드에 초점을 맞추고 있다.

논문의 주저자인 CSAIL 박사과정 게 류(Ge Liu)와 브랜든 카터(Brandon Carter)는 "현재 여러 번의 임상실험에 중인 COVID-19의 스파이크 단백질을 기반으로 한 일반적인 백신 설계를 평가했다"며, "분석을 바탕으로 펩타이드를 추가하여 인구 커버리지를 향상시키기 위한 증강을 개발했다. 만약 이것이 동물 모델에서 효과가 있다면, 그 디자인은 인간의 임상 실험으로 옮겨갈 수 있을 것이다."라고 말했다.

다음은 동물 실험과 임상 실험이 필요한지 여부에 대한 결정이며, 연구팀은 NIV (National Institute of Health)의 팀과 협력하여 COVID-19 환자의 데이터를 사용하여 해당 방법이 위험 예측에 사용될 수 있는지 확인하고 있다. (논문명:Computationally optimized SARS-CoV-2 MHC class I and II vaccine formulations predicted to target human haplotype distributions. 다운)